图像数据处理

图片存储原理：

RGB颜色空间：加法混色（用于显色），三通道（R,G,B）,每一个像素的值（b,g,r），取值范围为[0,255],[0.0,1.0]多少情况下用[0,255]

CMY（K）颜色空间：减法混色（用于印刷），四通道（Cyan,Magenta,Yellow,Key）每一个像素的值（c,m,y,k），取值范围为[0,255],[0.0,1.0]

HSV/HSL（I）颜色空间：人类视觉概念，三通道（H（色调）,S（饱和度）,V（明度）,L（亮度））每一个像素颜色值（h,s,v/1/i）取值范围[0,255][0.0,1.0]

CIE-XYZ颜色空间：基于人类颜色视觉的直接判定，人类视觉系统-视锥细胞（短波，中波，长波）三色刺激值通道，XYZ略对应于红绿蓝

CIE-Lab对色空间：接近人类视觉，非线性关系->人类眼睛的非线性响应，三通道（L（亮度），a（红/绿），b（黄/蓝）），色差距离，基于人类色差实验数据，均匀性好

主流颜色空间：

RGB三通道彩色图

    图片->三位矩阵（[0,255]）

单通道灰度图

    亮度信息（[0,255]）

    三通道彩色图->灰度图公式

    Gray = R*0.3+G*0.59+B*0.11

空域分析及变换

滤波：卷积（一般为奇数尺寸，3*3,5*5,2n-1*2n-1）

在每个图片位置（x,y）上进行基于领域的函数计算

    滤波函数->权重相加

        卷积核，卷积模板   （滤波结果） （滤波函数）（像素领域值）

        滤波器，滤波模板    =    

不同功能需要定义不同的函数

    图像增强：平滑/去燥，梯度/锐化。

    信息提取：边缘，显著点，纹理，模式。

卷积核越大图片压缩得越小：

    解决的图片缩小的问题：（1）边界补0（深度卷积网络用的最多），（2）边界复制，（3）镜像复制，（4）块复制。    

    平均均值滤波/卷积：参数和为1（举证与常数相乘最后相加和为1）。

    平滑中值滤波：卷积域内的像素值从小到大排序，取中间值作为卷积输出，可以有效去除椒盐噪声（雪花）。

    平滑高斯滤波：模拟人眼，关注中心区域，可以有效去除高斯噪声，参数：x,y是卷积参数坐标（卷积像素距离卷积核中心点的坐标），标准差，，越小，关注区域越集中。

    平滑高斯滤波/卷积，人眼特性：离关注中心越远，感受精度越模糊。

    平滑高斯滤波/卷积，分解特性，2D卷积，可以拆成俩个相同的1D卷积，可以达到降计算的效果。

梯度Prewitt滤波/卷积

梯度Prewitt滤波/卷积

梯度Sobel滤波/卷积

梯度Sobel滤波/卷积

梯度Laplacian滤波/卷积

作用：团块检测：周边高于（低于）中心点    /    边缘检测：像素值快速变化的区域

二阶微分算子，一阶导数极值 

梯度Laplacian滤波/卷积

频域分析及变换

傅里叶变换：一个信号可以由足够多个不同频率和幅值的正余弦波组成。

傅里叶变换现阶段在图像处理方面用地不太多。

2D离散傅里叶变换

金字塔

    高斯金字塔

        原因：多次高斯卷积之后，一些像素是多余的，操作：n次（高斯卷积->2x降采样）->n层金字塔

        目的：捕捉不同尺寸的物体

    拉普拉斯金字塔

        高频细节信息在卷积和下采样中丢失

        保留所有层所丢失的高频信息，用于图像恢复

模板匹配

    模板图片匹配

    作用：同尺度目标检测，模板：真实图片，操作：使用模板图片扫描整个图片，匹配结果：相似度量